На рис.12 представлено супровід антеною тестової траєкторії. Наведено середньоквадратичне відхилення від заданої траєкторії осі кута місця антени для ПІД-контролера – 0,1043º, для НМ-контролера– 0,0703º. Рис. 12. Проведення по траєкторії осі кута місця антени: 1 –задана траєкторія, 2 – кутове положення антени У четвертому розділі наведено результати аналізу експериментальних даних роботи НМ контролера наведення антени на основі модифікованої НМ Елмана, зокрема, проведено порівняння результатів роботи НМ контролера та налаштованого ПІД-регулятора. Описано спосіб отримання навчальної послідовності при синтезі НМ регулятора для дослідної установки. Також запропонована програмна та апаратна реалізація комплексу для синтезу контролера наведення антени. Моделювання роботи НМ Елмана проводили з використанням прикладної програми Matlab/Simulink. З доступних функцій утиліти nntool синтезовано нейроконтролер, для якого задано кількість входів, число нейронів у прихованому шарі, встановлено сигмоїдальну функцію активації для проміжного шару та лінійну для вихідного. В середовищі Matlab/Simulink синтезовано схему для отримання та передачі даних у послідовний порт, що реалізується блоками Serial Receive – для прийому, та Serial Send – для відправки даних.Налаштовуваними параметрами послідовного порту є вибір порядкового номеру порту та швидкості прийому/передачі даних. В полі Data type вказано тип прийнятих даних. Оскільки значення кутового положення передбачено приймати від оптоелектронного давача, що видає двохбайтні дані, то вибрано тип прийнятих даних uint16, перший прийнятий байт молодший. В полі Communication port із випадаючого списку вибрано COM1, порт по якому буде проводитись прийом даних із давача кутового положення. Block sample time – вказується інтервал часу між прийнятими байтами. Вибираємо значення 0,01с.
забезпечує зменшення похибки при проведенні навчання синтезованої нейромережевої структури. 4. Удосконалено метод синтезу нейроконтролера керування антенним пристроєм на основі рекурентної нейронної мережі Елмана введенням глобальних зворотних зв’язків, що дало змогу підвищити точність керування при супроводі антенною системою тестової траєкторії на 3,7% у порівнянні з розрахованим та налаштованим аналітичним методом ПІД-регулятором. 5. Удосконалено метод керування наведенням антенної установки для розподіленої системи, застосування якого підвищило швидкодію регулятора на 3% у порівняні з налаштованим ПІД-регулятором.. 6. Результати дослідження використані для нейромережевого контролера, синтезованого засобами Matlab, і який через послідовний інтерфейс зчитує поточне значення положення осей антенної системи та виробляє керуючу дію для супроводу та наведення АС, що може бути використано для керування та супроводу по траєкторії в системах наведення реальних антен. СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Palamar M. Synthesis and Optimization of Neural Network Parameters to Control Non-linear Objects / Palamar M., Aleksander M., Pohrebennyk V., StrembickyyM. // Przegląd elektrotechniczny, ISSN 0033-2097, R. 90 NR 5/201. - p. 207-210.
На основе полученных результатов разработано распределенную систему для управления антенной. Обучение нейросетевого контроллера для предложенной системы проводили, путем воспроизведения инверсной динамики самого объекта управления. Ключевые слова : система наведения, антенная система, азимутальная ось, угломерная ось, нейронная сеть, прогнозирование, идентификация, инверсное управления, контроллер скорости, погрешность сопровождения, отклонения. ANNOTATION
Strembitskyy M. Neural network technology improve the precision of measurement and control systems aiming antennas - Manuscript
Thesis for a Candidate of Technical Sciences degree in specialty, specialty 05.13.05- Computer systems and components (technical sciences). Ternopil Ivan Pul’uj National Technical University, 2016.
Dissertation is sanctified to the decision of scientific task of increase of efficiency of aiming of antenna complexes of accompaniment of space objects.
Basic factors that influence on exactness of management of antenna complexes are analyzed, using of neural network is offered as an identifier of dynamic object that
recreates the mechanical part of the antenna system and allows to estimate work of neural
network.
The use of recurrent neural networks is offered for the management of dynamic objects, in particular by the antenna complexes of accompaniment of space objects.
The use of the modified Elman neural network is reasonable for the construction of
regulator in the contour of aiming of the aerial system, the optimal number of neurons in
the intermediate layer of neural network is defined and an effective algorithm for
realization of adjustment of weight and displacements of neural network is offered.
A hold neural network training using identity management model of the object, thus forming sequence for inputs and set the system into line output value.
Based on developed a distributed system designed to control antenna. Training neural network controller for the proposed system was performed conducted by inverse dynamics of reproduction facility management.
